Table des matières
Résumé iii
Table des matières iv
Liste des tableaux v
Remerciements vi
Introduction 1
1 Revue de littérature 3
1.1 Analyse descriptive de la dynamique de la pauvreté. . . 3
1.2 Analyse statistique de la dynamique de la pauvreté . . . 5
1.3 Principaux constats . . . 8
1.4 Problématique . . . 9
2 Méthodologie 11 2.1 Notions de faible revenu . . . 11
2.2 Modèles de survie en temps discret . . . 13
3 Données et échantillonnage 19 3.1 Base de données . . . 19
3.2 Échantillon . . . 20
3.3 Variables . . . 20
3.4 Statistiques descriptives . . . 23
4 Résultats 27 4.1 Sortie de la pauvreté . . . 27
4.2 Entrée dans la pauvreté . . . 32
5 Discussion 38 5.1 Principaux constats . . . 38
5.2 Limites . . . 41
Conclusion 43
Bibliographie 45
Liste des tableaux
2.1 Sortie de la pauvreté . . . 18
2.2 Entrée dans la pauvreté . . . 18
3.1 Mnémonique . . . 22
3.2 Tableau de fréquences pour chaque scénario de sortie de pauvreté . . . 23
3.3 Tableau de fréquences pour chaque scénario d’entrée dans la pauvreté . . . 24
3.4 Moyenne de durée en fonction du scénario de sortie de pauvreté. . . 24
3.5 Moyenne de durée en fonction du scénario d’entrée dans la pauvreté . . . 25
3.6 Distribution selon la durée de l’épisode selon l’état . . . 25
3.7 Caractéristiques personnelles associées à la sortie et à l’entrée dans la pauvreté 26 4.1 Régression logistique - Sortie de la pauvreté . . . 28
4.2 Régression logistique multinomiale - Sortie de la pauvreté . . . 31
4.3 Régression logistique - Entrée dans la pauvreté . . . 33
4.4 Régression logistique multinomiale - Entrée dans la pauvreté . . . 36
Remerciements
Mes plus sincères remerciements à mon directeur de recherche, Monsieur Guy Lacroix, qui a fait preuve d’une patience et d’une disponibilité inestimable et qui m’a soutenue dans toutes les étapes de mon projet. Il a su partager avec moi ses idées et sa grande expérience afin de faire de ce mémoire une expérience enrichissante autant sur le plan professionnel que personne. Je ne saurai passer sous silence la précieuse contribution qu’il a apportée par ses commentaires, toujours judicieux et rigoureux, et ses encouragements.
Je tiens à remercier aussi mon co-directeur, Luc Bissonnette, qui m’a été d’une grande aide, no- tamment avec les enjeux de programmation. Je remercie également Nicolas Corneau-Tremblay ainsi que Steeve Marchand pour leurs bons conseils.
Je tiens à remercier également la Chaire de recherche Industrielle Alliance sur les enjeux économiques des changements démographiques pour son soutien financier, ainsi que Statis- tiques Canada pour avoir rendu possible l’accessibilité aux microdonnées utilisées dans le cadre de mon projet de recherche.
Je remercie finalement les membres de ma famille qui m’ont soutenue, de près ou de loin durant mes études, et plus particulièrement à ma soeur Audrey, qui m’a apporté un soutien moral et qui m’a aidé à pousser mes réflexions à chacune des étapes de ma maîtrise. J’adresse des remerciements de même ordre à mes amis de tous les jours qui m’ont soutenue et qui ont toujours cru en moi.
Introduction
Les inégalités de revenu et la pauvreté figurent parmi les principaux enjeux en matière d’éla- boration de politiques publiques. Actuellement, la majorité des études sur les inégalités de revenu utilise une approche statique et s’intéresse généralement à dresser un portrait global de la pauvreté à un moment particulier. Toutefois, cette approche dresse un portrait incomplet des inégalités réelles, notamment puisqu’elle de traite pas de la dynamique de la pauvreté chez les individus. L’utilisation d’une approche dynamique est plus appropriée, puisqu’elle permet notamment de décomposer la pauvreté dite transitoire de la pauvreté permanente, et ainsi, d’obtenir un portrait beaucoup plus représentatif des individus qui se retrouvent en si- tuation de pauvreté sur une longue période. Certaines personnes se retrouvent en situation de pauvreté à un moment précis de leur vie en raison d’un problème de santé par exemple, mais il est fréquent que cette phase ne soit que temporaire. D’autres se retrouvent en situation de pauvreté au cours de longues périodes. L’analyse dynamique de l’évolution des revenus individuels à travers le temps permet notamment de développer des programmes sociaux qui ciblent les personnes pauvres d’un point de vue intertemporel et d’ainsi augmenter l’effica- cité des politiques publiques visant la réduction de la pauvreté. La mesure dynamique des inégalités de revenu nécessite l’utilisation de bases de données longitudinales. Actuellement, la faible disponibilité de ce type de base de données explique le peu de littérature empirique sur la dynamique de la pauvreté au Québec et au Canada.
L’objectif de ce mémoire est d’analyser les facteurs qui influencent les transitions d’entrée et de sortie de la pauvreté, et ce, dans une perspective de comparaison entre le Québec et l’Ontario.
Plus particulièrement, je chercherai à déterminer les caractéristiques qui augmentent ou dimi- nuent la probabilité qu’une personne entre ou sorte d’une situation de pauvreté. Pour ce faire, une modélisation des caractéristiques personnelles qui influencent la probabilité d’entrer et de sortir de la pauvreté a été réalisée. Des variables sur la composition du ménage, la scolarité et certaines variables sociodémographiques ont ainsi été intégrées à la modélisation, en plus des variables portant sur le temps passé dans l’état pour chacun des individus. Un modèle des risques proportionnels en temps discret est développé. Cette méthodologie a été développée parPrentice et Gloeckler(1978) et utilisée notamment parCurtis et Rybczynski(2014) sur la population canadienne. Deuxièmement, une analyse a été effectuée afin d’analyser différents
scénarios d’entrée et de sortie dans la pauvreté. Finalement, nous comparons la population du Québec avec celle de l’Ontario en utilisant des données récentes et qui couvrent une période plus longue que les études précédentes et en particulier celle de Curtis et Rybczynski(2014).
L’utilisation de l’ÉLIA qui comprend des données longitudinales qui couvrent près de 30 ans constitue une des principales contributions de la présente recherche.
Le premier chapitre présente un survol de la littérature portant sur l’analyse de la dyna- mique de la pauvreté au Canada. Le second chapitre porte sur la méthodologie utilisée. Il présente notamment la mesure de faible revenu utilisée, les différents seuils de pauvreté et les modèles de survie utilisés dans le cadre de la présente recherche. Le troisième chapitre présente la base de données, les variables modélisées ainsi que des statistiques descriptives portant sur notre échantillon. Le quatrième chapitre présente les résultats obtenus. Le cinquième chapitre traite des principaux constats, ainsi que des limites de la recherche. Finalement, le dernier chapitre conclut en proposant certaines améliorations pour des études subséquentes portant sur la dynamique de la pauvreté au Québec et en Ontario.
Chapitre 1
Revue de littérature
Au Canada, le manque de données longitudinales expliquerait le peu d’études empiriques portant sur la dynamique de la pauvreté. La récente disponibilité de ce type de bases de données a contribué à l’apparition d’études empiriques sur le sujet. Ce chapitre dresse un portrait de la littérature empirique portant sur l’analyse dynamique de la pauvreté au Canada.
Certaines études sont plutôt descriptives (Bane et Ellwood (1986); Beach et Finnie (2004);
Milligan(2008);Veall(2008)) alors que d’autres utilisent également des méthodes statistiques pour étudier l’effet de certaines variables sur la dynamique de la pauvreté (Finnie et Sweetman (2003); Schirle (2013); Curtis et Rybczynski (2014); Burton et al. (2014); Raïq et Plante (2013)).
1.1 Analyse descriptive de la dynamique de la pauvreté
Bane et Ellwood (1986) sont parmi les premiers à analyser la dynamique de la pauvreté. Ils se sont intéressés à la notion d’épisodes de pauvreté, et plus particulièrement à la notion de probabilité de sortie, pour analyser la longueur des épisodes de pauvreté. Leurs résultats sug- gèrent que la plupart des ménages ne restent pas longtemps en situation de pauvreté. Selon eux, la pauvreté transitoire serait plus fréquente que la pauvreté de plus longue durée. Bane et Ellwood(1986) montrent également que 40% des familles tombent en situation de pauvreté en raison d’une perte de revenu encourue par le départ d’un adulte pourvoyeur de ressources.
Finalement, selonBane et Ellwood(1986), il existe un effet cumulatif des expériences de pau- vreté qui peut peser lourdement sur la capacité des familles à pouvoir se sortir d’une situation de pauvreté. Il s’agit d’une étude pionnière pour l’analyse de la dynamique de la pauvreté au Canada. Plusieurs études subséquentes se sont inspirées des travaux de Bane et Ellwood (1986) notamment aux États-Unis.
C’est le cas de Beach et Finnie (2004) qui se sont également intéressés à la dynamique du
revenu au Canada. Ils ont réalisé une analyse longitudinale des changements de revenu au Ca- nada dans laquelle ils examinent les profils de mobilité à l’aide des matrices de transition entre 1982 et 1999. Ils utilisent des données provenant de la Banque de données administratives longitudinales (DAL) afin d’examiner les tendances et les changements dans la distribution du revenu année après année. Cette base de données constituait à l’époque le panel le plus complet et la référence pour mener des analyses dynamiques portant sur le revenu ou la dé- mographie, puisqu’elle comprend notamment un échantillon de 20% du Fichier T1 annuel sur les familles. Dans leur étude,Beach et Finnie (2004) décomposent la population en différents sous-groupes afin de déterminer si la mobilité diffère d’un groupe à un autre. Les résultats de cette étude suggèrent que la mobilité de revenu serait plus importante chez les hommes que chez les femmes. Cette démarche est toutefois très descriptive et bien qu’elle s’intéresse à la mobilité, elle ne porte pas spécifiquement sur l’effet des caractéristiques personnelles sur la probabilité de vivre une situation de pauvreté. Contrairement aux travaux deBeach et Finnie (2004), certaines études se concentrent plutôt sur la dynamique de la pauvreté dans certains sous-groupes de la population.
Milligan(2008) etVeall(2008) se sont intéressés à la dynamique de la pauvreté chez les aînés depuis les années 1970 d’un point de vue descriptif.Milligan(2008) étudie la dynamique de la pauvreté au Canada à l’aide d’une analyse graphique du revenu et des dépenses d’une cohorte d’aînés canadiens à travers le temps en les comparant aux seuils de pauvreté suivants : le Seuil de faible revenu (SFR), la Mesure de faible revenu (MFR) développée par Statistiques Canada, ainsi que la Mesure de pauvreté relative des aînés (MPRA), qui ne constitue pas un seuil officiellement reconnu par Statistiques Canada. Puisqu’il s’intéresse à la dynamique de la pauvreté depuis les années 1970, il utilise l’Enquête sur la dynamique du travail et du revenu (EDTR), l’Enquête sur les finances des consommateurs (EFC), l’Enquête sur les dépenses des familles (Famex), ainsi que l’Enquête sur les dépenses des ménages (EDM). Les résultats de Milligan (2008) confirment effectivement la diminution considérable de la pauvreté chez les aînés depuis les années 1970. Ces constats ont également été confirmés par Veall (2008).
Tout comme Beach et Finnie(2004) etMilligan(2008),Veall (2008) décompose les différents sous-groupes de la population âgée de plus de 65 ans à des fins de comparaison. Les résultats qu’il obtient suggèrent que la pauvreté est plus importante chez les aînés qui ne sont pas nés au Canada et chez les personnes vivant seules. Selon lui, une des solutions pour enrayer la pauvreté chez les aînés serait donc d’augmenter les transferts pour les personnes non mariées.
Une autre solution pourrait être d’instaurer des transferts qui ciblent les immigrants ou en- core, de diminuer les exigences de résidence de la Pension de la Sécurité de vieillesse et du Supplément de Revenu Garanti.
Plus récemment,Raïq et Plante(2013) ont étudié la dynamique de pauvreté chez les familles monoparentales et biparentales au Québec, en adoptant une perspective de comparaison in-
terprovinciale. Ils ont utilisé une analyse de séquences afin de déterminer comment les familles québécoises peuvent être confrontées à la pauvreté dans leur parcours de vie. Ils ont donc réa- lisé des analyses séparées pour les familles monoparentales et pour les familles biparentales.
Comme la plupart des études récentes,Raïq et Plante(2013) utilisent l’EDTR afin de mener leur analyse de séquences et mesurent notamment l’incidence et la persistance de la pauvreté.
La mesure de pauvreté utilisée est la MRF qui représente 50% de la médiane salariale (après les taxes et les transferts). Une mesure de pauvreté aigüe qui est égale à 30% de la médiane salariale est également utilisée dans le cadre de leurs analyses. Les résultats montrent que les familles monoparentales dans les autres provinces canadiennes ont été plus souvent tou- chées par des périodes de pauvreté entre 2002 et 2007 en comparaison avec le Québec. Par contre, lorsque la pauvreté frappe ces ménages, le temps nécessaire pour remonter la pente est presque le même, quelle que soit la province de résidence. Les résultats obtenus par Raïq et Plante(2013) suggèrent que les familles monoparentales figurent parmi les groupes sévère- ment touchés par la pauvreté et que des politiques publiques pourraient prévenir ou favoriser les transitions dans la pauvreté.
1.2 Analyse statistique de la dynamique de la pauvreté
L’analyse de la dynamique de la pauvreté par décomposition est intéressante puisqu’elle per- met de dresser un portrait des scénarios de pauvreté expérimentés en fonction des différentes caractéristiques sociodémographiques. Cependant, elle ne permet pas d’analyser l’effet de ces variables sur la dynamique de la pauvreté d’un point de vue statistique. Certains auteurs ont approfondi cette analyse et ont plutôt étudié l’effet des caractéristiques personnelles sur les transitions dans la pauvreté ou sur la probabilité de vivre une situation de pauvreté.
Au Canada, Finnie et Sweetman (2003) sont parmi les premiers à utiliser les méthodes sta- tistiques pour analyser les déterminants des transitions dans la pauvreté. Ils figurent parmi les seuls auteurs qui se sont intéressés à la modélisation de l’entrée dans la pauvreté en plus de modéliser la sortie de la pauvreté. Comme Beach et Finnie(2004) et Veall (2008),Finnie et Sweetman(2003) ont mené leur étude à l’aide de la DAL. Dans un premier temps, ils com- plètent une analyse descriptive des scénarios de pauvreté selon le profil des individus. À l’aide de cette segmentation, les auteurs illustrent la dynamique de pauvreté à travers des arbres de probabilité, dans le but de comprendre quel type de personne est plus à risque d’expérimenter une situation de pauvreté qui s’échelonne sur plusieurs années. Leurs résultats démontrent que la composition d’un ménage influence significativement les mouvements d’entrée et de sortie dans la pauvreté. En effet, les familles monoparentales et les individus vivant seuls ont une probabilité plus forte d’entrer en situation de pauvreté, et une probabilité plus faible
d’en sortir, que les ménages composés de deux personnes. Cet effet est encore plus important pour les mères monoparentales.Finnie et Sweetman(2003) analysent ensuite l’incidence de la pauvreté selon les différentes caractéristiques des individus à l’aide d’un modèle à effets fixes.
Ils cherchent ainsi à déterminer de quelle façon les changements dans les caractéristiques per- sonnelles influencent la probabilité qu’une personne se retrouve en situation de pauvreté. Par ailleurs, le fait de passer d’un statut de célibataire à une situation de couple réduit l’incidence de la pauvreté, autant pour les hommes que pour les femmes, mais le fait de passer de céli- bataire à monoparental augmente grandement la probabilité de se retrouver en situation de pauvreté. Finalement, les résultats suggèrent que le nombre d’années passées dans la pauvreté a une influence significative sur la séquence de pauvreté vécue par un individu.
Alors que Finnie et Sweetman(2003) ont analysé de façon globale l’effet des caractéristiques individuelles sur la dynamique de la pauvreté, certains auteurs ont plutôt étudié les diffé- rents sous-groupes de la population qui peuvent s’avérer plus vulnérables. Tout comme Veall (2008),Schirle(2013) s’est intéressée à la dynamique de la pauvreté chez les aînés canadiens en tentant de déterminer si les caractéristiques sociodémographiques pouvaient influencer la pauvreté à travers ce sous-groupe de la population. Contrairement à Veall (2008) qui utilise une analyse plutôt descriptive,Schirle(2013) utilise la décomposition Oaxaca-Blinder. Cette méthode tente d’expliquer la vraisemblance de la pauvreté conditionnelle aux caractéristiques des individus aux deux périodes étudiées. Elle permet notamment d’expliquer la diminution de la pauvreté résultant des changements dans les caractéristiques des aînés et des changements structurels. Schirle(2013) utilise les données provenant de l’EDTR ainsi que les données de l’Enquête sur les finances des consommateurs (EFC). Corroborant les constats deVeall(2008), Schirle (2013) soutient aussi que le fait d’être né au Canada et avoir l’anglais comme langue maternelle réduiraient la probabilité qu’un aîné dispose d’un revenu sous les différents seuils de pauvreté. Par ailleurs, la composition du ménage et le lieu de résidence auraient aussi un effet significatif sur la pauvreté d’un aîné.Schirle(2013) pousse l’analyse plus loin et constate que l’éducation serait aussi un déterminant significatif de la pauvreté chez les aînés et que l’âge aurait un effet positif et significatif sur la pauvreté chez les 65 ans et plus. Toutefois, cet effet serait considérablement plus petit après l’introduction des prestations gouvernementales aux ainés. Somme toute, les résultats obtenus parSchirle(2013) soutiennent que la diminution importante de la pauvreté chez ce sous-groupe de la population est en grande partie reliée à l’instauration de politiques publiques telles que l’introduction des prestations gouvernemen- tales aux ainés.
Les enfants constituent un sous-groupe de la population dont la pauvreté n’est pas souvent analysée. À cet effet,Burtonet al.(2014) ont constaté que les études antérieures sur la dyna- mique de la pauvreté examinent les déterminants de l’entrée ou de la sortie dans la pauvreté chez la population en âge de travailler et chez les retraités, mais que les connaissances relatives
à la dynamique de la richesse chez les enfants sont limitées. Ils analysent les déterminants de la pauvreté et examinent la dynamique de revenu des ménages ayant des enfants âgés de 4-5 ans à 14-15 ans.Burtonet al.(2014) utilisent donc une analyse multivariée afin de déterminer quelles caractéristiques familiales sont associées à une plus forte probabilité de se retrouver dans les échelons les plus faibles de la distribution de revenu. Leurs résultats suggèrent qu’un enfant dont le revenu familial est situé au 90e percentile a un niveau de vie en moyenne 5 fois plus grand que l’enfant situé au 10e percentile. Par ailleurs, la distribution de revenu ne subit pas beaucoup de modifications avec le temps : plus de 50% des enfants situés dans le premier et le dernier quintile de la distribution ne connaîtrons aucun changement de position au cours des 10 années étudiées. Burtonet al. (2014) soutiennent aussi que les enfants, dont les parents sont jeunes ou peu scolarisés, ou encore ceux provenant de familles monoparentales ont plus de chances de rester dans les 20 percentiles les plus faibles de la distribution de revenu.
Curtis et Rybczynski (2014) soutiennent qu’au Canada, les femmes sont identifiées comme plus à risque de se retrouver en situation de pauvreté et soulignent que nous ne disposons que de très peu d’informations sur les déterminants de la durée de la pauvreté au Canada, alors qu’il s’agit d’une information importante pour l’adoption de politiques publiques adaptées.
Plus particulièrement, elles se sont intéressées aux déterminants de la durée de la pauvreté chez les hommes et les femmes au Canada. Les auteurs ont examiné la durée de la pauvreté en lien avec différents scénarios de sortie de la pauvreté : vers un revenu légèrement au-dessus du seuil de la pauvreté et vers un revenu considérablement supérieur au seuil de pauvreté.
Elles utilisent l’analyse de risque afin de prédire la probabilité qu’un individu sorte de la pauvreté conditionnellement à ses caractéristiques socio-économiques et à son revenu à la période précédente. Pour ce faire elles utilisent l’EDTR qui est constitué de plusieurs panels de 6 ans qui se chevauchent et qui couvrent les années 1993 à 2010. Leurs résultats suggèrent d’abord que le tiers des individus qui sont en situation de pauvreté dans le panel ne vivent aucun changement d’état et que parmi ceux qui sortent d’une situation de pauvreté, plus de 23% ont un revenu situé près de la MFR, 61% ont un revenu situé entre 1,1 fois et 2 fois la MFR et seulement 16% d’entre eux ont un revenu plus important que 2 fois la MFR.
La durée moyenne que les individus passent avec un revenu inférieur à la MFR est de deux ans. La probabilité de sortir de la pauvreté diminue à mesure que le nombre d’années passées dans la pauvreté augmente. Toutefois, ces résultats doivent être traités avec prudence puisque Curtis et Rybczynski (2014) utilisent des panels de 6 ans, ce qui ne permet pas d’identifier des constats à long terme. Finalement, une éducation supérieure, particulièrement pour les femmes, est un déterminant significatif d’une sortie de la pauvreté, alors qu’être prestataire de l’aide sociale ou immigrant, avoir de jeunes enfants et le divorce seraient associés à une plus faible probabilité de sortir de la pauvreté.
1.3 Principaux constats
Il existe certaines ressemblances entre les études concernant le choix du seuil de pauvreté. Le premier constat que nous pouvons soulever est que la plupart des études recensées utilisent plus qu’un seuil de pauvreté afin d’obtenir le meilleur portrait possible. Comme le soulignent Bibi et Duclos (2010) et Schirle (2013), les résultats obtenus dans une étude portant sur la pauvreté diffèrent considérablement en fonction du seuil de faible revenu utilisé. À cet effet, trois mesures de pauvreté ont été utilisées dans les études recensées. D’abord, la Mesure de faible revenu (MFR) est la plus couramment utilisée notamment par Milligan (2008), Veall (2008), Curtis et Rybczynski (2014). Il s’agit d’un indice développé par Statistique Canada (2015) qui constitue un seuil relatif fixé à 50 % du revenu familial médian canadien. Ce re- venu familial est ajusté pour tenir compte de la taille et de la composition des familles, et le revenu médian est calculé en tenant compte de la taille de chaque famille. Par ailleurs, le seuil de faible revenu (SFR) a aussi été développé par Statistiques Canada. Il s’agit d’un seuil basé sur le revenu des familles dont la part du budget consacrée aux biens essentiels (nourri- ture, vêtements et logement) dépasse de 20 points de pourcentage la part moyenne du budget consacrée à ces biens par les Canadiens. Il a été utilisé dans de nombreuses études (Milligan (2008); Schirle (2013)). Finalement, la mesure de pauvreté relative des aînés (MPRA) est particulièrement utilisée dans l’analyse de la pauvreté chez les aînés, mais n’est pas un seuil officiellement reconnu par Statistiques Canada (Milligan(2008);Schirle(2013)). Cette mesure ressemble à la MFR, puisqu’elle est fixée à 50% du revenu médian de la population en âge de travailler. Finalement,Burtonet al.(2014) montrent aussi qu’il est possible de mener une étude sur la dynamique de la pauvreté sans utiliser de seuil de pauvreté. Pour ce faire, il utilise les déciles et les quintiles de revenu. Finalement, aucune des études recensées n’utilise la Mesure du panier de consommation (MPC) qui constitue le troisième seuil utilisé pour mesurer le faible revenu et développé par Statistique Canada (Statistique Canada(2015)).
Concernant les bases de données utilisées, Burton et al. (2014), dont les travaux portent sur la dynamique de la pauvreté chez les enfants, utilisent l’Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ). Cette base de données est adaptée uniquement pour les études qui portent sur les jeunes. Toutefois, les données utilisées par l’ensemble des études recensées sur la dynamique de la pauvreté au Canada proviennent en partie de l’EDTR (Cur- tis et Rybczynski (2014); Schirle (2013); Milligan (2008). Cette base de données constitue une référence intéressante pour les études qui requièrent des données longitudinales. Certains auteurs utilisent plusieurs bases de données afin de mener leur analyse. C’est le cas notam- ment pour les auteurs qui s’intéressent autant aux revenus qu’aux dépenses des individus.
À cet effet, Schirle (2013), Veall (2008) et Milligan (2008) utilisent aussi l’Enquête sur les finances des consommateurs (EFC).Milligan(2008) est le seul qui analyse aussi les dépenses des ménages. En plus des autres bases de données, il utilise l’Enquête sur les dépenses des
familles (Famex) et l’Enquête sur les dépenses des ménages (EDM).
Finalement, la plupart des études portant sur la dynamique de la pauvreté partagent des constats similaires et une tendance générale se dessine à travers toutes les strates de la popu- lation. Ainsi, l’éducation et la composition d’un ménage influenceraient considérablement la dynamique de la pauvreté autant pour les enfants, les femmes et les aînés. Le fait d’être scola- risé et donc de détenir un diplôme aurait un impact négatif sur la probabilité qu’un individu expérimente un épisode de pauvreté ou qu’il entre en situation de pauvreté. En contrepartie, faire partie d’un ménage monoparental augmenterait les chances qu’une personne se retrouve en situation de pauvreté ou y entre, et ce, pour tous les sous-groupes de la population qui ont été analysés.
1.4 Problématique
Les études recensées dressent un portrait des caractéristiques de la pauvreté. Toutefois, cer- taines limites persistent. Dans un premier temps, bien que certaines études portent sur des sous-groupes de la population qui peuvent s’avérer plus vulnérables, aucune analyse compa- rative entre les provinces n’a été réalisée à l’aide de méthodes statistiques. Une segmentation de la population canadienne pourrait s’avérer intéressante afin de déceler les différences entre les provinces. Par ailleurs, les bases de données longitudinales utilisées constituent une limite importante à l’analyse statistique dynamique, puisqu’elles ne couvrent que quelques années.
Par exemple, l’utilisation de l’EDTR, qui constitue une des bases de données les plus récentes, ne couvre que 6 ans et ne permet pas d’analyser la pauvreté sur une longue période. Finale- ment, la plupart des études ne s’intéressent qu’à l’effet des caractéristiques sur la transition hors de la pauvreté et ne modélise pas l’entrée dans la pauvreté.
Afin de répondre aux limites identifiées, la présente étude s’intéresse à l’effet des caractéris- tiques individuelles sur la probabilité de transition dans la pauvreté et ce, en tenant compte de différents scénarios de transition, tels que suggéré par Curtis et Rybczynski (2014). Une des principales contributions est que l’analyse statistique porte également sur l’effet des ca- ractéristiques personnelles sur l’entrée dans la pauvreté. Le présent travail utilise une base de données longitudinale qui couvre près de trois décennies, soit l’Étude longitudinale et in- ternationale des adultes (ÉLIA), ce qui n’a jamais été réalisé auparavant au Canada. Pour terminer, la méthodologie utilisée par Curtis et Rybczynski (2014) est reproduite avec des données qui couvrent une période plus importante, ce qui assure une meilleure représentati- vité des résultats. Différents scénarios d’entrée sont également analysés en utilisant la même modélisation. Finalement, le présent mémoire propose une analyse comparative entre le Qué- bec et l’Ontario. Nous chercherons donc à voir s’il existe une différence significative entre la
sortie et l’entrée dans la pauvreté au Québec par rapport à l’Ontario.
Chapitre 2
Méthodologie
Dans le présent chapitre, nous présentons la méthodologie qui est utilisée afin d’analyser les caractéristiques qui influencent la dynamique de la pauvreté au Québec et en Ontario.
Dans un premier temps, la notion de faible revenu est définie et dans un deuxième temps, les différents modèles utilisés pour analyser les scénarios de sortie et d’entrée dans la pauvreté sont présentés de façon distincte.
2.1 Notions de faible revenu
La présente étude s’intéresse aux déterminants qui influencent les transitions dans la pauvreté au Canada. Il est primordial de définir à quoi correspond la notion de faible revenu et de quelle façon elle est mesurée. Cette définition s’appuie sur deux concepts : la notion de revenu et l’indice de faible revenu qui est utilisé.
En premier lieu, il est primordial de définir le type de revenu qui est utilisé (Jäntti et Jen- kins (2015);Burkhauser et Couch(1993)). Comme nous tentons de comparer la situation au Québec et en Ontario, la définition du revenu influencera les résultats. Il faut notamment décider si le revenu est comptabilisé brut ou net et si ce dernier inclut les différents trans- ferts gouvernementaux ou non. Le revenu peut aussi inclure les revenus en dividendes ou en intérêts. Il est donc important d’utiliser une mesure qui soit représentative de ce que l’on cherche à mesurer. Bibi et Duclos (2010) comparent la pauvreté au Québec et au Canada à l’aide de différentes unités de revenu. Ces derniers soulignent qu’étant donné que le Québec dispose d’un filet social important par rapport à l’ensemble du Canada, une mesure du revenu excluant les transferts gouvernementaux aurait tendance à surestimer la pauvreté au Québec par rapport au reste du Canada. Dans un deuxième temps, il faut définir le salaire utilisé, à savoir si nous mesurons la pauvreté selon le salaire des individus ou des ménages. Le choix de l’unité salariale aura un impact considérable, notamment sur l’analyse, mais aussi sur les
résultats. Selon Bibi et Duclos (2010), il est préférable, à des fins de comparaison, d’utiliser le revenu après impôts et transferts des ménages afin de bien capter l’effet du filet social.
Cette méthodologie est utilisée notamment par Curtis et Rybczynski(2014) qui tirent leurs données de l’EDTR. Toutefois, la disponibilité des données constitue un enjeu important en science économique. Dans le cas de la présente recherche, les microdonnées fournies par Sta- tistiques Canada permettent seulement d’obtenir le revenu après impôts et transferts pour les individus, ou encore le revenu total des ménages. Bien qu’il soit comptabilisé de façon brute, nous avons choisi d’utiliser le revenu total des ménages, soit après transfert. En effet, il arrive qu’une seule des deux personnes composant le ménage travaille. En pareil cas, la personne qui ne travaille pas serait réputée être en situation de pauvreté alors que ce n’est pas nécessairement le cas.
Selon la définition de Statistiques Canada, le revenu total utilisé dans l’ÉLIA inclut les revenus de marché ainsi que les transferts gouvernementaux suivants :
— les revenus d’emploi tirés des traitements, salaires, pourboires et commissions ainsi que le revenu net provenant d’un travail autonome (activités d’une ferme non constituée en société et activités non agricoles) ;
— les revenus de placements, comme les dividendes et l’intérêt sur les obligations, les comptes, les certificats de placement garanti (CPG) et les fonds communs de placement ;
— les revenus provenant d’un régime de pension d’employeur et de fonds de retraite per- sonnels, par exemple, les rentes de retraite privées, les rentes et les paiements reçus d’un fonds enregistré de revenu de retraite (FERR) ;
— les autres revenus en espèces réguliers, comme les paiements de soutien pour un enfant, les pensions alimentaires reçues et les bourses d’études ;
— les revenus provenant de sources gouvernementales, comme les prestations d’assistance sociale, les prestations pour enfants et de l’assurance emploi, la pension de la sécurité de la vieillesse, les prestations du Régime de rentes du Québec et du Régime de pensions du Canada et les rentes d’invalidité.
Les revenus exclus de la définition du revenu total sont :
— les rentrées d’argent ponctuelles, comme les gains de loterie, les gains de jeux, les hé- ritages en argent, les règlements monétaires forfaitaires d’assurance et les retraits d’un compte d’épargne libre d’impôt (CELI) ou d’un régime enregistré d’épargne-retraite (REER)
— les gains en capital parce que, de par leur nature, ils ne sont pas réguliers ni récurrents.
De plus, on considère qu’ils se rapportent davantage au concept du patrimoine plutôt qu’à celui du revenu
— les cotisations des employeurs aux régimes de pension agréés, au Régime de rentes du Québec, au Régime de pensions du Canada, et à l’assurance emploi
— les transferts volontaires entre ménages, les loyers imputés, les biens et services produits pour le troc et les biens produits pour consommation propre.
Pour la mesure du revenu familial, Statistique Canada(2015) suggère d’ajuster le revenu des ménages en le divisant par la racine carrée du nombre de personnes dans le ménage. Cepen- dant, dans le cas de la présente étude, aucun ajustement du salaire n’a été fait en raison du manque de données sur le nombre d’enfants.
Après avoir défini la façon dont est mesuré le revenu, il faut fixer un seuil qui représente la limite du faible revenu. Elle peut se définir selon un seuil de pauvreté absolu, qui indique le niveau de revenu tout juste nécessaire pour subvenir à des besoins essentiels, ou selon un seuil relatif qui évolue avec le niveau de vie représentatif d’une société (Bibi et Duclos(2010)).
Dans le cas de la présente étude, c’est la MFR qui sera utilisée. La MFR constitue un seuil relatif fixé à 50% du revenu familial médian canadien. La MFR est une mesure qui se base exclusivement sur la distribution du revenu des ménages canadiens. En pratique, la MFR constitue le seuil de pauvreté le plus couramment utilisé dans les études portant sur l’analyse de la pauvreté au Canada.
2.2 Modèles de survie en temps discret
L’objectif du présent mémoire est d’analyser les déterminants qui influencent la sortie et l’entrée dans la pauvreté. Plus particulièrement, nous cherchons à évaluer l’impact des carac- téristiques socio-économique sur les transitions et sur la persistance de la pauvreté au Québec et en Ontario, et ce, en analysant différents scénarios d’entrée et de sortie de la pauvreté. Pour ce faire, une analyse de survie, aussi appelée analyse de durée, a été menée. Cette méthodolo- gie est grandement utilisée dans le domaine médical et plus particulièrement dans les études relatives aux données de survie. Elle permet notamment de modéliser le délai avant qu’un événement se produise. Par exemple, l’analyse de survie peut servir à analyser les caractéris- tiques qui influencent la probabilité qu’un patient sorte de l’hôpital ou avant que celui-ci ne vive une rechute. Elle peut également être utilisée pour déterminer quelles caractéristiques font en sorte qu’un individu se marie plus tard qu’un autre. Dans notre cas, les événements modélisés sont l’entrée et la sortie de la pauvreté.
Comme nous disposons de données annuelles, l’analyse réalisée doit être en temps discret.
Stata ne dispose pas de modèle à proprement parler pour les modèles de survie en temps discret. Cependant, certains modèles peuvent être adaptés aux données en temps discret.
L’estimation de ces modèles utilise la propriété selon laquelle la vraisemblance de l’échan-
tillon peut être réécrite dans une forme identique à la probabilité d’un modèle de régression multiple à variable dépendante binaire et appliquée à un ensemble de données spécialement organisé (Allison(1982);Jenkins (1995); Prentice et Gloeckler(1978)).
Nous définissons donc le taux de risque en temps discret tel que :
Pit=P r(Ti=t|Ti ≥t, xit) (2.1) Où xit représente un vecteur de variables explicatives pour chacune des périodes où le sujet est à risque. Les données doivent être organisées de manière à ce qu’il y ait une observation pour chaque période où le sujet est à risque de subir l’événement de transition. Chaque année dispose d’une variable binaire qui est égale à 1 si l’événement de transition se produit. Par exemple, pour un épisode de pauvreté qui dure plusieurs années, il y aura autant d’observa- tions que d’années et la variable événement égale 1 seulement pour la dernière année, puisque la transition a lieu. Il est ainsi possible prendre en compte les variables qui changent dans le temps. En introduisant des variables de durée dans la régression, il est possible de quantifier l’effet d’avoir passé plusieurs années dans un état sur la probabilité d’en sortir.
Après avoir organisé les données, un simple modèle de régression à variable dépendante binaire peut être estimé. Le modèle doit également inclure des variables de durées comme variables explicatives. La variable dépendante est égale à 1 lorsque l’événement, soit la sortie ou l’en- trée dans la pauvreté, se produit. Une simple régression logistique ou encore la régression log-log complémentaire peuvent être utilisées. Pour analyser les différents scénarios d’entrée et de sortie, une analyse des risques concurrents (competing risk analysis) a été réalisée. Ces trois modèles ont donc été estimés dans le cadre de la présente recherche. La description des modèles apparait ci-dessous.
2.2.1 Régression logistique
Une fois que les données sont organisées de manière à ce que chaque observation représente une année où les ménages sont à risque d’entrer ou de sortir de la pauvreté, une régression logistique permet de voir l’effet des différentes variables sur la probabilité de transition. La régression modélise donc la probabilité qu’un individu sorte ou entre dans la pauvreté sachant qu’il dispose de certaines caractéristiques et considérant qu’il a déjà passé un nombre d’années t dans la pauvreté.
P(y= 1|X) =P(y= 1|x1, x2, ..., xk) (2.2) Dans notre cas, la régression logistique ne tient pas compte qu’il s’agit de données longitu- dinales. Puisque chaque individu dispose de caractéristiques qui varient à travers les années,
chacune des années où les individus se retrouvent dans un état quelconque a été analysée.
Nous nous intéressons à l’effet des caractéristiques individuelles sur la variable aléatoire bi- nomiale, y, qui représente la sortie ou l’entrée dans la pauvreté. Les données ont donc été organisées de façon à ce que chacune des années dans un état représente une observation, et ce, même si un épisode de pauvreté ou de non-pauvreté s’échelonne sur plusieurs années.
La régression logistique est un cas particulier du modèle linéaire généralisé. Dans notre cas, des variables de catégories pour chacune des années a permis de prendre en compte les effets de cohorte.
Tel qu’indiqué précédemment, en temps discret, le taux de risque est :
Pit=P r(Ti=t|Ti ≥t, xit) (2.3) En prenant la forme logistique, on obtient :
log(Pit/(1−Pit)) =αt+β0xit (2.4) Dans le cadre d’une analyse de survie en temps discret, la régression logistique est plus appropriée pour les temps d’événement qui sont discrets. Allison (1982) cite l’exemple des élections qui ont lieu à des dates fixes. Pour les événements qui peuvent se produire à tout moment, mais qui ne sont observés que dans des intervalles discrets, la régression log-log complémentaire est plus appropriée. Notre analyse traite des transitions dans la pauvreté qui peuvent se produire à tout moment de l’année. Toutefois, les intervalles s’échelonnent sur une année en entier. La régression log-log complémentaire semble donc plus appropriée pour notre analyse. Cependant, les résultats d’un modèle logistique sont également présentés par souci de comparaison.
2.2.2 Modèle à risques proportionnels en temps discret
Une approche de vraisemblance partielle a été développée par Cox (1972) et Allison(1982), et est couramment utilisée par les biostatisticiens, puisqu’elle offre de nombreux avantages par rapport aux approches de maximum de vraisemblance. Afin d’analyser les déterminants de la durée de la pauvreté et des différents scénarios de sortie, l’utilisation d’un modèle à risques proportionnels est donc utile. Le modèle de Cox est la méthode la plus utilisée dans le cadre de l’analyse des données de survie, puisqu’il permet de modéliser des temps de survie avec des données censurées. Ce type de méthodologie permet de conditionner le risque qu’un événement se produise. Généralement utilisé dans le domaine médical, le principe du modèle de Cox consiste à relier la date d’arrivée d’un évènement à des variables explicatives.
Cox (1972) a inspiré Prentice et Gloeckler (1978) qui ont cherché à spécifier cette métho- dologie et à l’adapter pour les analyses en temps discret et ont ainsi popularisé la régression log-log complémentaire est utilisée pour traiter des modèles de durée en temps discret, no- tamment lorsqu’il s’agit de données annuelles ou couvrant un intervalle de temps défini. Ce modèle a été utilisé par Curtis et Rybczynski (2014) qui cherchaient à déterminer si les dé- terminants de la durée de la pauvreté étaient les mêmes chez les hommes que chez les femmes.
Globalement, ce modèle suppose que le taux de risque que l’événement se produise pour l’individu iest le suivant :
Pit= 1−exp(−exp(αt+β0xit)), t= 1,2, ..., T (2.5) Cette équation peut être résolue en utilisant la fonction log-log complémentaire :
log(−log(1−Pit)) =αt+β0xit (2.6) Dans cette équation, le taux de risque Pit dépend des caractéristiques des individus x qui incluent notamment l’âge, le sexe, la scolarité et le nombre de personnes dans le ménage. Le taux de risque dépend aussi de αt, qui représente la probabilité qu’un individu se retrouve en situation de pauvreté au temps t conditionnellement au fait que cet individu était aussi en situation de pauvreté au temps t−1. Cette probabilité dépend de xit, ce qui fait qu’il est possible de capter l’effet des caractéristiques personnelles sur la probabilité de sortir de la pauvreté. En d’autres mots, c’est le risque de base qu’un individu sorte de la pauvreté.
Le modèle ne spécifie pas d’hypothèse concernant la forme du risque, ce qui constitue une contribution importante des modèles à risques proportionnels qui sont souvent appelés semi- paramétriques pour cette raison. Seules les caractéristiques individuelles viennent influencer le risque que l’événement se produise pour un individu.βest un vecteur de coefficients à estimer et représente le changement de la probabilité qu’un individu sorte de la pauvreté associé aux caractéristiques xit. De ce fait, βi <0 signifie que les caractéristiques individuellesxit dimi- nuent le risque qu’un individu sorte de la pauvreté et βi >0 signifie que les caractéristiques individuelles xit augmentent le risque qu’un individu sorte de la pauvreté.
Avant d’utiliser le modèle à risques proportionnels, il est primordial de s’assurer que l’hy- pothèse des risques proportionnels est satisfaite, puisqu’il s’agit d’une hypothèse très forte du modèle. Selon cette hypothèse, le rapport des risques instantanés (hazard rate) de deux indi- vidus est indépendant du temps. Afin de tester cette hypothèse, il faut, pour chaque variable, tester l’indépendance de son effet dans le temps. Cet effet doit être constant. Si l’hypothèse des risques proportionnels est vérifiée, alors les résidus doivent être distribués de la même manière au cours du temps. Pour toutes les modélisations réalisées à l’aide du modèle de Cox, l’hypothèse des risques proportionnels a été vérifiée.
2.2.3 Analyse des risques concurrents
L’analyse des risques concurrents généralise l’analyse de survie standard telle que précédem- ment décrite aux cas dans lesquels les sujets sont exposés à plus d’un événement. Par exemple, dans le cas de la sortie ou de l’entrée dans la pauvreté, plusieurs scénarios sont possibles. Un ménage peut sortir ou entrer dans la pauvreté tout juste au seuil, moyennement au-dessus ou en dessous du seuil ou loin du seuil. Ces événements ne peuvent pas être interprétés de la même façon, ce qui justifie l’utilisation d’une analyse des risques concurrents.
Allison (2009) suggère en premier lieu de procéder à une régression logistique qui modélise la probabilité qu’un événement se produise en ne faisant aucune distinction entre les types d’événements. Ensuite, en ne conservant que les individus pour lesquels des événements se sont produits, une régression multinomiale peut être réalisée sur les différents types d’événe- ments. C’est de qui a été réalisé dans le cadre de la présente recherche.
Tel que suggéré par Curtis et Rybczynski (2014), les déterminants qui influencent la pro- babilité qu’un individu sorte de la pauvreté varient en fonction du scénario de sortie, à savoir si ce dernier sort juste au-dessus du seuil de faible revenu ou s’il sort considérablement au- dessus de ce seuil. Par le fait même, ceux qui sortent à peine de la pauvreté et dont le revenu est situé très près du seuil établi sont généralement ceux qui ont le plus de chance de retourner dans la pauvreté (Finnie et Sweetman (2003)). En effet, si nous connaissons les caractéris- tiques individuelles qui font en sorte qu’une personne sorte de la pauvreté avec un revenu beaucoup plus élevé que le seuil établi, il est peu probable d’observer un retour en situation de pauvreté. Il est donc pertinent de s’intéresser à ces individus afin d’élaborer des politiques publiques efficaces qui préviendront la pauvreté.
Inspirée par les conclusions de Curtis et Rybczynski (2014), l’analyse portera notamment sur différents scénarios de sortie de la pauvreté afin de capter l’effet des caractéristiques per- sonnelles pour chacun des scénarios. Tel que suggéré par Curtis et Rybczynski (2014), les différents scénarios de sortie de la pauvreté analysés sont énoncés dans le tableau 2.1.
Par ailleurs, une des principales contributions de ce mémoire est d’analyser également les dif- férentes variables qui influencent les scénarios d’entrée dans la pauvreté. En effet, la plupart des études s’intéressent seulement aux déterminants qui influencent la probabilité de sortie
Tableau 2.1 – Sortie de la pauvreté Scénarios Description
0 Pas de sortie de la pauvreté
1 Sortie de la pauvreté avec un revenu situé entre la MFR et 1,1 fois la MFR 2 Sortie de la pauvreté avec un revenu situé entre 1,1 fois et 2 fois la MFR 3 Sortie de la pauvreté avec un revenu plus élevé que 2 fois la MFR
et non la probabilité d’entrer dans la pauvreté. Curtis et Rybczynski (2014) ont seulement analysé l’effet des différentes variables sur la probabilité de sortie de la pauvreté, sans tenir compter des scénarios d’entrée. Dans le cas de la présente analyse, les scénarios d’entrée dans la pauvreté analysés sont énoncés dans le tableau 2.2.
Tableau 2.2 – Entrée dans la pauvreté Scénarios Description
0 Pas d’entrée dans la pauvreté
1 Entrée dans la pauvreté avec un revenu situé entre la MFR et 0,9 fois la MFR 2 Entrée dans la pauvreté avec un revenu situé entre 2/3 fois et 0,9 fois la MFR 3 Entrée dans la pauvreté avec un revenu plus faible que 2/3 fois la MFR
Chapitre 3
Données et échantillonnage
Dans le cadre de cette étude, les données provenant de l’Étude longitudinale et internationale des adultes (ÉLIA) ont été utilisées. Le présent chapitre présente la provenance des données utilisées, les variables, ainsi que les statistiques descriptives concernant l’échantillon.
3.1 Base de données
L’ÉLIA constitue une riche base de données. En effet, depuis 2008, l’ÉLIA recueille des rensei- gnements auprès de répondants de partout au Canada au sujet de leur travail, leur scolarité, leur santé et leur famille. L’étude s’intéresse également à la façon dont les changements dans ces domaines ont touché la vie des gens. Couramment utilisée par les gouvernements, les chercheurs, les enseignants, les établissements d’apprentissage et les organismes, cette base de données vise notamment l’amélioration des politiques publiques.
Il s’agit d’une enquête longitudinale par échantillon à participation volontaire. L’instrument de collecte des données est constitué de composantes d’enquête et de composantes de données administratives. Elle prend la forme d’une entrevue téléphonique assistée par ordinateur. Les données de l’ÉLIA sont collectées aux deux ans. Cette enquête est toujours en cours, ce qui permettra de mettre à jour les résultats dans le futur à des fins de comparaisons. Il ne s’agit pas d’une base de données longitudinale à proprement parler. Toutefois, il est possible de reconstruire le panel aisément, ce qui permettra de mener une analyse sur la dynamique du revenu. En effet, la première vague de l’ÉLIA, qui a été utilisée dans le cadre de la présente étude, a été menée en 2011 et est constituée d’une entrevue réalisée auprès des répondants.
Les données sont couplées au fichier maître des particuliers T1, aux fichiers T4 Sommaire et T4 Supplémentaire, aux fichiers des régimes de pension au Canada, au fichier sur la famille T1 et à la base de données sur l’immigration. Les données administratives remontent jusqu’à 1983, ce qui en fait un panel rétrospectif riche en informations.
3.2 Échantillon
Afin de mener l’analyse, il est important de baliser l’échantillon qui sera utilisé. Puisque l’étude consiste en une analyse comparative entre le Québec et l’Ontario, les données portant sur les autres provinces canadiennes ont été retirées de l’échantillon.
Par ailleurs, l’âge doit être balisé. Afin d’obtenir un échantillon représentatif de la population, il est important de ne conserver que les personnes en âge de travailler et donc, d’exclure les retraités ainsi que les étudiants. À cet effet, dans leur analyse, Curtis et Rybczynski (2014) excluent les personnes dont l’âge est inférieur à 25 ans et supérieur à 59 ans afin de retirer les étudiants et les retraités. Pour ma part, j’ai choisi d’inclure la population âgée entre 25 et 64 ans, et retirer les personnes qui ont le statut d’étudiant ou de retraité. La présente étude ne s’intéresse qu’aux salariés et donc, les individus disposant de revenus d’entreprise ont été retirés.
3.3 Variables
Afin de mener cette modélisation, différentes variables doivent être introduites. J’ai choisi d’in- clure des variables sociodémographiques telles le sexe, l’âge, la scolarité et la composition du ménage, puisque ces variables influencent la probabilité qu’un individu se retrouve en situation de pauvreté (Curtis et Rybczynski(2014);Burtonet al.(2014);Veall(2008);Milligan(2008)).
Pour le portrait sociodémographique, il est indéniable que le sexe d’un individu a un effet significatif sur la probabilité qu’il sorte ou qu’il entre en situation de pauvreté (Curtis et Rybc- zynski (2014)). Par ailleurs, les résultats de Milligan (2008) et Curtis et Rybczynski (2014) démontrent que la dynamique de la pauvreté peut être influencée par le statut d’immigrant.
J’ai donc choisi d’inclure une variable binaire pour les individus ayant le statut d’immigrant, ainsi qu’une variable binaire pour les individus dont la langue maternelle est différente du français ou de l’anglais (Veall (2008); Schirle (2013)). En effet, le statut d’immigrant serait généralement associé à une diminution de la probabilité de sortir d’une situation de pauvreté Curtis et Rybczynski (2014). L’âge des individus a également été intégré au modèle ainsi qu’une variable binaire pour les individus qui détenait un emploi à la période précédente.
Finalement, puisque la présente étude constitue une analyse comparative entre le Québec et l’Ontario, une variable binaire pour les individus qui résident au Québec a été ajoutée afin de
capter l’effet d’habiter au Québec sur la probabilité d’entrer ou de sortir d’une situation de pauvreté.
Tel que suggéré par Finnie et Sweetman (2003), Milligan (2008), Raïq et Plante (2013) et Curtis et Rybczynski (2014) la composition d’un ménage influence la probabilité d’un in- dividu d’entrer ou de sortir d’une situation de pauvreté. Différentes variables relatives à la composition d’un ménage ont donc été prises en compte. Dans un premier temps, une va- riable binaire pour identifier les individus en couple (mariés ou en union civile) a été utilisée.
Comme nous nous intéressons au revenu familial relatif, les ménages disposant d’un second revenu sont associés à une plus grande probabilité de sortir d’une situation de pauvreté (Cur- tis et Rybczynski (2014)). Les familles monoparentales ont également été identifiées à l’aide d’une variable binaire. En effet, les résultats obtenus par Raïq et Plante (2013) suggèrent que les familles monoparentales sont plus sujettes à expérimenter des épisodes de pauvreté au cours de leur vie. La présence d’enfants dans le ménage a aussi un effet significatif sur la probabilité d’un individu de sortir d’une situation de pauvreté (Curtis et Rybczynski(2014)).
Une première variable binaire pour la présence d’enfants en bas de 19 ans dans le ménage a été intégrée. Une seconde variable binaire pour la présence d’enfants au Québec après 1997 a également été utilisée. En effet, en 1997, le Québec s’est doté d’une importante politique familiale dont l’objectif était de mieux cibler les familles à faible revenu. Une telle variable permettra notamment de mesurer l’efficacité d’une telle politique publique.
Il est indéniable que la dynamique de pauvreté au cours d’une vie est influencée par la scolarité (Schirle(2013)). À cet effet, trois variables correspondant à différents niveaux de scolarité ont été intégrées afin de bien capter l’effet incrémental relativement à un individu qui ne dispose d’aucun diplôme. Le modèle inclut donc des variables binaires pour les individus disposant d’un diplôme d’études secondaires, d’études collégiales ou d’études universitaires.
Finalement, les antécédents en matière de pauvreté risquent d’influencer considérablement la probabilité d’un individu d’entrer ou de sortir d’un épisode de pauvreté. En effet, plus un épisode de pauvreté est long, plus il est difficile pour un individu d’en sortir (Curtis et Rybc- zynski (2014), Bane et Ellwood (1986)). On parle alors de dépendance dynamique. Il existe un effet cumulatif des expériences de pauvreté qui influence négativement la probabilité des familles de s’en sortir à mesure que les expériences de pauvreté se cumulent. On peut supposer qu’un individu qui a vécu un long épisode hors de la pauvreté aura une probabilité plus faible d’entrer dans la pauvreté. L’intérêt de disposer de données longitudinales est qu’il est possible d’utiliser de telles variables dans notre modèle. Une variable portant sur le nombre d’années passées dans un état a donc été ajoutée au modèle. Cependant, il ne s’agit pas du nombre d’années consécutives, mais bien du nombre d’années au total. Dans la littérature, on parle de dépendance passée. Une seconde variable a été intégrée afin de comptabiliser le nombre
d’épisodes de pauvreté ou de non-pauvreté vécu par l’individu. Finalement, des variables ont été utilisées pour modéliser l’effet de la durée d’un épisode de pauvreté ou de non-pauvreté.
Nous cherchons donc à voir si la durée dans un état influence la probabilité d’entrer ou de sortir de la pauvreté par rapport à une personne qui en est à sa première année dans un état.
Enfin, des variables annuelles ont été ajoutées pour capter les effets de cohortes et le taux de chômage a été intégré comme variable afin de capter l’effet des cycles économiques sur la probabilité d’entrer ou de sortir de la pauvreté.
Tableau 3.1 – Mnémonique Variables Description
Homme Égale à 1 si l’individu est un homme
Couple Égale à 1 si l’individu est marié ou en union civile
Secondaire Égale à 1 si le plus haut diplôme obtenu est un diplôme d’études secondaires Collégial Égale à 1 si le plus haut diplôme obtenu est un diplôme d’études collégiales Universitaire Égale à 1 si le plus haut diplôme obtenu est un diplôme d’études universitaires Québec Égale à 1 si l’individu habite au Québec
Langue ma- ternelle
Égale à 1 si la langue maternelle n’est ni l’anglais, ni le français Immigrant Égale à 1 si l’individu se considère comme immigrant
Age Âge de l’individu
Monop Égale à 1 si l’individu est monoparental
Enfant Égale à 1 si l’individu a un ou plusieurs enfants
Enfantqc97 Égale à 1 si l’individu a un ou plusieurs enfants, qu’il habite au Québec et que la période est après 1996
Travail l’an dernier
Égale à 1 si l’individu travaillait à la période précédente Nombre
d’années
Nombre d’années passées dans un état, selon l’état Nombre
d’épisodes
Nombre d’épisodes de pauvreté ou de non-pauvreté, selon l’état 2 ans Égale à 1 si l’individu en est à sa deuxième année dans l’état 3 ans Égale à 1 si l’individu en est à sa troisième année dans l’état 4 ans Égale à 1 si l’individu en est à sa quatrième année dans l’état 5 ans Égale à 1 si l’individu en est à sa cinquième année dans l’état
6 à 9 ans Égale à 1 si l’individu en est de sa sixième à sa neuvième année dans l’état 10 ans et
plus
Égale à 1 si la durée de l’état est de 10 ans et plus Sans emploi Taux de chômage
3.4 Statistiques descriptives
Les individus formant l’échantillon ont vécu des périodes de pauvreté ou des périodes de non- pauvreté dont la durée s’étend jusqu’à 31 ans. Afin de présenter les statistiques descriptives, les données longitudinales ont été présentées de façon à ce que chaque état de pauvreté ou de non-pauvreté, peu importe sa durée, représente un cas répertorié dans les statistiques des- criptives. En tout, 7 118 épisodes de pauvreté ont été répertoriés dans l’échantillon. Parmi ceux-ci, 3 233 épisodes de pauvreté ont été vécus au Québec, alors que 3 885 épisodes ont touché des Ontariens.
Au Québec, 1 015 périodes de pauvreté ne se sont pas terminées par une sortie (scénario 0). Parmi ceux-ci, un certain nombre ont pu déménager à l’étranger, n’ont pas complété leurs rapports d’impôt, ou encore le panel a pu se terminer avant même que l’épisode de pauvreté ne se termine. Nous parlons alors de données qui sont censurées. Dans le cas de l’Ontario, le nombre de périodes de pauvreté censurées s’élève à 1 317.
Tel que précédemment mentionné, différents scénarios de sortie de pauvreté ont été ana- lysés. Parmi les périodes de pauvreté, 1 152 se sont conclues par une sortie au seuil de la pauvreté soit entre la MFR et 1,1 fois la MFR (scénario 1). Ce chiffre s’élève à 523 pour le Québec et à 629 pour l’Ontario. 2 887 épisodes de pauvreté se sont conclus par une sortie un peu au-dessus du seuil, soit entre 1,1 fois la MFR et 2 fois la MFR (scénario 2). Parmi ceux-ci, 1 356 ont eu lieu au Québec et 1 531 en Ontario. Finalement, 747 épisodes de pauvreté se sont terminés par une sortie considérablement au-dessus du seuil, soit plus de 2 fois la MFR (scéna- rio 3). Le tableau 3.2 illustre les fréquences pour chacun des scénarios de sortie de la pauvreté.
Tableau 3.2 – Tableau de fréquences pour chaque scénario de sortie de pauvreté Sortie
Scénarios Total Québec Ontario
0 2 332 1 015 1 317
1 1 152 523 629
2 2 887 1 356 1 531
3 747 339 408
En contrepartie, le nombre d’épisodes où les individus ne se retrouvent pas en situation de pauvreté est beaucoup plus fréquent. Au total, 11 580 épisodes de non-pauvreté ont été ana- lysés, dont 5 357 au Québec et 6 223 en Ontario. Parmi ces derniers, plus de la moitié, soit 7 222 épisodes ne se sont pas conclues par une entrée dans la pauvreté (scénario 0). 3 282 épisodes au Québec et 3 940 épisodes en Ontario sont donc censurés. 1 358 épisodes se sont conclus par une entrée dans la pauvreté juste au-dessous du seuil, soit entre la MFR et 0,9
fois la MFR (scénario 1). Au total, 1 412 des scénarios analysés se sont conclus par une entrée dans la pauvreté en dessous de 2/3 fois la MFR (scénario 3). 645 étaient situés au Québec alors que 767 étaient des cas répertoriés en Ontario. Le tableau 3.3 illustre les fréquences pour chacun des scénarios d’entrée dans la pauvreté.
Tableau 3.3 – Tableau de fréquences pour chaque scénario d’entrée dans la pauvreté Entrée
Scénarios Total Québec Ontario
0 7 222 3 282 3 940
1 1 358 668 690
2 1 588 762 826
3 1 412 645 767
Le tableau 3.4 présente la durée moyenne des périodes de pauvreté en fonction du scénario de sortie au Québec et en Ontario. En moyenne, les périodes de pauvreté durent entre deux et trois ans, indépendamment du scénario de sortie. Les périodes de pauvreté plus longues sont associées à une sortie de la pauvreté au seuil, alors que les individus qui sortent de la pauvreté considérablement au-dessus du seuil restent en moyenne moins longtemps dans la pauvreté.
Tableau 3.4 – Moyenne de durée en fonction du scénario de sortie de pauvreté Sortie
Scénarios Total Québec Ontario
1 2,91 2,89 2,93
2 2,52 2,56 2,48
3 2,09 2,19 2,01
Le tableau 3.5 énumère la durée moyenne des épisodes de non-pauvreté en fonction du scéna- rio d’entrée dans la pauvreté. La durée moyenne pour le Québec et l’Ontario varie entre 4,45 ans et 5,45 ans. Une durée plus longue dans une période de non-pauvreté est associée à une entrée dans la pauvreté très près du seuil (scénario 1), alors qu’une entrée dans la pauvreté extrême est précédée d’un épisode de non-pauvreté en moyenne plus court d’un an. Cet effet est encore plus marqué au Québec. Les individus qui entrent dans la pauvreté près du seuil restent en moyenne près de 6 ans en situation de non-pauvreté avant que cet évènement se produise, alors qu’en Ontario, ce chiffre est de 5 ans.
Environ 43% des individus qui se retrouvent en situation de pauvreté en sortent après un an et plus de 60% en sortent en moins de 2 ans. Environ 5% des individus en situation de pauvreté y restent pour plus de 10 ans que ce soit au Québec ou en Ontario.
Tableau 3.5 – Moyenne de durée en fonction du scénario d’entrée dans la pauvreté Entrée
Scénarios Total Québec Ontario
1 5,46 5,90 5,02
2 5,04 5,45 4,65
3 4,45 4,76 4,19
En contrepartie, au Québec, 19,6% des individus qui ne sont pas pauvres retournent en situation de pauvreté seulement après un an. Ce chiffre est de 22,58% pour l’Ontario. Au Québec, 36% de individus restent plus de 10 ans en situation de non-pauvreté avant de vivre une période de pauvreté, alors que pour l’Ontario, ce pourcentage est de 31,05. Le tableau 3.6 expose la distribution de la durée des épisodes en fonction de l’état.
Tableau 3.6 – Distribution selon la durée de l’épisode selon l’état
Pauvreté Non-pauvreté
Durée Total Québec Ontario Total Québec Ontario
1 an 43,40% 42,99% 43,73% 21,20% 19,60% 22,58%
2 ans 18,36% 18,09% 18,58% 10,79% 10,66% 10,91%
3 ans 11,56% 12,59% 10,71% 7,89% 7,37% 8,34%
4 ans 7,28% 6,90% 7,59% 5,73% 5,88% 5,61%
5 ans 4,66% 4,14% 5,10% 5,03% 5,15% 4,92%
6 ans 3,08% 3,15% 3,01% 3,89% 3,92% 3,86%
7 ans 2,49% 2,44% 2,52% 3,75% 3,30% 4,13%
8 ans 1,76% 1,67% 1,83% 3,15% 3,14% 3,17%
9 ans 1,46% 1,67% 1,29% 2,71% 2,63% 2,78%
10 ans 1,03% 1,21% 0,88% 2,51% 2,33% 2,67%
11 à 15 ans 2,54% 2,29% 2,75% 10,74% 10,57% 10,90%
16 à 20 ans 1,28% 1,36% 1,21% 7,36% 7,50% 7,23%
21 à 31 ans 1,11% 1,48% 0,80% 15,24% 17,94% 12,92%
Le tableau 3.7 représente les caractéristiques personnelles associées à chacun des états au moment de la sortie ou de l’entrée dans la pauvreté. Par exemple, au total, près du tiers des individus qui vivent une période de pauvreté sont des hommes alors que près de 70% sont en couple. Les périodes de non-pauvreté seraient vécues en plus grande partie par des hommes et par des gens en couple.
Le quart des épisodes de pauvreté est vécu par des gens qui n’ont aucune scolarité. Globale- ment, les épisodes de pauvreté sont vécus en majorité par des individus peu ou pas scolarisés.
En Ontario, près de 42% des épisodes de pauvreté sont vécus par des individus qui disposaient d’éducation postsecondaire, alors qu’au Québec, seulement 29% des épisodes de pauvreté sont vécus par des personnes ayant un tel diplôme.
Au total, le tiers des épisodes de pauvreté et de non-pauvreté est vécu par des immigrants. Au Québec, seulement 19% des épisodes de pauvreté sont vécus par des immigrants alors qu’en Ontario, cette proportion se chiffre plutôt à 44%. Au Québec, les épisodes de non-pauvreté répertoriés sont vécus à près de 15% par des immigrants, alors que c’est plus du double en Ontario. Par ailleurs, le quart des épisodes de pauvreté est vécu par des individus dont la langue maternelle n’est pas le français ou l’anglais. Au Québec, ce chiffre est de 17%, alors qu’il est de 32% en Ontario.
L’âge moyen des individus qui sortent de la pauvreté est de 42 ans, alors que l’âge moyen de ceux qui entrent en situation de pauvreté est de 45 ans. Ces statistiques sont les mêmes pour le Québec et pour l’Ontario.
La proportion des familles monoparentales qui vivent une situation de pauvreté est deux fois plus élevée que la proportion des familles monoparentales expérimentant des situations de non-pauvreté. Globalement, un peu plus du tiers des individus formant l’échantillon ont des enfants.
Tableau 3.7 – Caractéristiques personnelles associées à la sortie et à l’entrée dans la pauvreté
Sortie Entrée
Total Québec Ontario Total Québec Ontario
Homme 0,331 0,341 0,322 0,369 0,377 0,362
Couple 0,697 0,673 0,716 0,786 0,783 0,788
Secondaire 0,374 0,399 0,354 0,355 0,386 0,327
Collégial 0,171 0,146 0,192 0,195 0,165 0,220
Universitaire 0,188 0,142 0,227 0,269 0,232 0,301
Québec 0,454 1,000 0,000 0,463 1,000 0,000
Langue mater- nelle
0,253 0,173 0,320 0,193 0,131 0,246
Immigrant 0,328 0,197 0,437 0,261 0,148 0,358
Age 42,305 42,288 42,320 45,445 45,451 45,440
Monoparental 0,142 0,147 0,137 0,064 0,066 0,062
Enfant 0,364 0,353 0,374 0,333 0,332 0,334
Enfantqc97 0,101 0,223 0,000 0,114 0,247 0,000
Travail l’an der- nier
0,619 0,578 0,653 0,767 0,743 0,788
Chapitre 4
Résultats
La présente section s’intéresse aux résultats de l’analyse de survie. Elle se décline en deux sous-sections, la première présentant les résultats pour les différents scénarios de sortie étu- diés et la seconde s’intéressant aux résultats portant sur les déterminants de l’entrée dans la pauvreté. Afin d’analyser les facteurs qui influencent la transition dans la pauvreté chez un ménage quelconque, les modélisations suivantes ont été réalisées : modèle de risques propor- tionnels en temps discret, régression logistique et régression logistique multinomiale.
4.1 Sortie de la pauvreté
4.1.1 Régression logistique et log-log complémentaire
Lorsque la variable temps est de nature continue, le modèle proportionnel de Cox est appro- prié. Dans notre cas, les variables sont discrètes, ce qui justifie l’utilisation d’un modèle à risques proportionnels en temps discret popularisé par Prentice et Gloeckler(1978). Il s’agit d’une régression log-log complémentaire qui a été réalisée sur l’ensemble des observations où les sujets sont à risque. Le but est d’analyser le rôle des variables sur la sortie de la pauvreté.
La modélisation a été réalisée sur l’ensemble des sorties de la pauvreté sans tenir compte du scénario de sortie. Aucune considération n’a été portée à savoir si le ménage sort juste au-dessus de la MFR ou encore considérablement au-dessus du seuil. Les coefficients sont également exprimés en rapport de cote (odds ratio), puisque l’interprétation est plus simple et instinctive.
Une autre façon de modéliser des événements en temps discret est d’utiliser la régression logistique. La régression logistique permet de modéliser l’effet d’un vecteur de variables expli- catives sur une variable dépendante binaire. Comme pour le modèle proportionnel, nous nous
